Visión general
De qué trata este proyecto.
Implementa un FNO en PyTorch para mapear geometrías a temperatura y evalúa su precisión. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Entrenar un FNO que aproxime el campo de temperatura estacionario de un intercambiador a partir de la geometría, evaluando coste, precisión y comportamiento fuera de distribución.
Earning criteria — what you'll demonstrate
- Implementar un operador neural moderno desde el paper original
- Diseñar benchmarks honestos contra una referencia numérica
- Caracterizar la generalización fuera de distribución
- Proponer un patrón de uso híbrido sustituto+referencia
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
AI for Science and Engineering
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador de Machine Learning
Implementar un operador neural desde el paper, validarlo honestamente y caracterizar su régimen de validez es ejercicio puro de un ML Researcher en simulación científica.
Este proyecto afina
- neural-operators
- deep-learning
- model-validation
Investigador Científico
El criterio para incorporar un sustituto neural a un pipeline de simulación es competencia diaria de un Research Scientist en organizaciones de I+D.
Este proyecto afina
- scientific-computing
- neural-operators
- benchmarking
Científico de Datos Aplicado a IA
Proponer un patrón híbrido sustituto+referencia y comunicarlo a una audiencia de ingeniería es trabajo aplicado dentro de equipos de simulación industrial.
Este proyecto afina
- benchmarking
- pytorch
- model-validation